正则匹配IPv4地址

一个IPv4地址被.号分成了四部分，每一部分都由8位二进制组成，十进制范围是0-255，即二进制的范围是00000000-11111111。

IPv6的格式更加复杂，本节的代码不适用于IPv6。

本节的代码findIPv4.go将分为4个部分，第一部分：

  1. package main
  3. import (
  4.    "bufio"
  5.    "fmt"
  6.    "io"
  7.    "net"
  8.    "os"
  9.    "path/filepath"
  10.    "regexp"
  11. )
  13. func findIp(input string) string {
  14.    partIp := "(25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])"
  15.    grammer := partIp+"\\."+partIp+"\\."+partIp+"\\."+partIp
  16.    matchMe := regexp.MustCompile(grammer)
  17.    return matchMe.FindString(input)
  18. }

findIPv4.go的代码相对之前的复杂一些，所以需要使用的包比较多。

这部分代码定义的正则表达式，能够匹配IPv4地址，是整个程序的核心，如果你定义的正则表达式不正确，将永远找不到你想要的IPv4地址！

代码中的正则表达式稍后我会解释，在此之前必须了解IPv4地址的结构，比如IPv4的点分十进制表示方法以及每一部分都不能超过255，只有这样你能写出恰当的正则表达式。

正则表达式partIp定义了在一个IPv4地址中，每一部分可能出现的情况，比如可能是250-255的三位数，也可能是200-249，100-199，或者10-99两位数，0-9的个位数，以上的情况必须都考虑在内。

grammer变量定义了IPv4地址的四个部分，每一部分必须匹配partIp。

findIPv4.go可以在任意文本文件中帮助你找到IPv4地址。

如果你有特殊需求，比如要搜索特定的IP地址，直接修改findIPv4.go的正则表达式即可。

第二部分：

  1. func main() {
  2.    arguments := os.Args
  3.    if len(arguments) < 2 {
  4.       fmt.Printf("usage: %s logfile\n",filepath.Base(arguments[0]))
  5.       os.Exit(1)
  6.    }
  7.    for _, filename := range arguments[1:] {
  8.       f,err := os.Open(filename)
  9.       if err != nil {
  10.          fmt.Printf("error openning file %s\n",err)
  11.          os.Exit(-1)
  12.       }
  13.       defer f.Close()

首先通过os.Args获取搜索的文件，然后检查命令行参数的长度是否符合要求。接下来通过一个for`循环迭代处理。

第四部分代码：

  1. r := bufio.NewReader(f)
  2. for {
  3.    line,err := r.ReadString('\n')
  4.    if err == io.EOF {
  5.       break
  6.    } else  if err != nil {
  7.       fmt.Printf("error openning file %s\n",err)
  8.       break
  9.    }

类似于selectColumn.go的代码，我们使用bufio.ReadString*()逐行读取文本。

最后一部分：

  1. ip := findIp(line)
  2.          trail := net.ParseIP(ip)
  3.          if trail.To4() == nil {
  4.             continue
  5.          } else {
  6.             fmt.Println(ip)
  7.          }
  8.       }
  9.    }
  10. }

对逐行读取的文本执行findIp()函数，netParseIP()会再次确保获取的是有效的IPv4地址。

执行findIPv4.go得到下面的输出：

$ go run findIPv4.go auth.log

116.112.10.1 151.1.51.5 192.168.1.1

其实findIPv4.go会打印出很多重复的行（如果文件中有很多重复的IPv4地址）。我们可以配合UNIX命令对输出进一步处理，可以获得更加清晰直观的结果：

go run findIPv4.go auth.log | sort -rn | uniq -c | sort -rn

38 191.168.1.1

22 182.12.5.1

….

9 10.18.2.64

sort -rn将findIPv4.go的输出作为输入，排序后倒序输出，uniq -c计算重复ip的出现次数，最后sort -rn按照重复ip的出现次数倒叙输出。

再次强调，findIPv4.go的核心是正则表达四的实现。如果正则表达式定义错误了，就会匹配不到你想要的数据，或者匹配到错误的数据。